当前位置:主页 > 互联网

【行业面面观】资本新宠“AI 医疗”是下一个万(4)

文章来源:网络整理  发布时间:2017-07-10 10:32

“并且,A轮B轮融资金额较大,大多处于初创阶段,资本活跃度较高;行业集中度较低,尚未形成垄断或者出现‘独角兽’,尚未形成既定格局。”杨红飞认为,“但2016年总共投了25.8亿,这个领域比传统项目要贵,其实资本对人工智能的投资是毫不吝啬的。”

瓶颈遍地

丁香园创始人李天天在会上展示了丁香园与中南大学湘雅二院、大拿科技三方合作的AI辅助诊断皮肤病应用,“不可能把所有皮肤病都做到,我们只选了红斑狼疮。”

李天天表示,第一阶段帮助建立疾病采集及解读;第二是处方建议及医学建议;第三做医生管理和患者教育。“现在还处在第一阶段,因为准确性没有达到想象的高度,因此需要不断调整算法。”

李天天的体会是,医疗人工智能诊断好做,治疗难做;图片好做,文本难做;垂直好做,综合难做;影像和病理医生可能会“被优化”;不必局限诊疗环节;技术需要服务体系支撑,实现商业闭环。

兰丁医学创始人兼CEO孙小蓉详细介绍了,利用人工智能在大规模宫颈疾病诊断中的应用,“公司的细胞DNA定量分析仪、间歇性气压血栓等主要产品获得了美国FDA认证受理。”孙小蓉表示,原理是利用人工智能的方式让机器深度学习,达到早期癌细胞检测自动化、智能化、标准化、网络化,以实现肿瘤早期诊断。

但资本和市场活跃的背后,医疗人工更多的是问题和局限。

“一是技术瓶颈,目前计算机不能应付复杂环境,无法处理模糊的、连续的、不完美的数据,认知层面的知识表达、信息补足瓶颈仍待突破。”平安创投董事总经理张江认为,数据缺失、缺乏统一标准、医患不信任、监管空白都制约发展,“医疗人工智能尚处于早期,仍存在着较多技术壁垒尚未突破,实际应用尚存在不确定性,目前亦无清晰的盈利模式,买单方不明确。”

AIRDOC创始人兼CEO张大磊表示,“数据标注的问题应引起重视,大多数人觉得做人工智能是在写算法,实际上80%的时间都是在做数据预处理工作,且医疗行业的标注,往往不能通过非专业的人去做,这是一个瓶颈。”

他表示,其次是数据质量,“医生是高度个性化的,非技术结果如果处理不好,很可能产生数据污染。”

第三则是交互问题。“总体来说,病人和医生交互环节越多,算法各方面的质量越差。”如中医的望闻问切都可以称为交互环节,在处理这些过程的数据时,丢失的信息会对结果判断产生影响。“如果大家要做人工智能,做医生和病人交互越少的环节越好。比如某个环节医生不需要见病人也可以作出判断,这是最好的,因为算法可控。”

相对应的,目前市场应用最多的是影像领域,AI帮助医生更快、更准确地读取病人影像数据,以做出更精确的诊断,杨红飞表示,“影像辅助诊断结合病理分析的准确率高达99.5%,市场空间巨大,融资金额达到30多亿,创业公司活跃度最高。”

此外,张大磊指出,“监管发展与技术发展还存在巨大的鸿沟。从认识它到最后被接受、相应支付体系完善、医保介入,还需要很长过程。”

4、虽然医疗业大肆投资AI,但其产生的价值仍相当有限

【行业面面观】资本新宠“AI 医疗”是下一个万

“弥漫在AI和机器学习周围混乱的躁动比以往任何时候都浓烈,这样医疗界分了心。”斯坦福大学的两名研究员说道。他们认为,AI已经达到了预期的高峰值,医疗行业需要重点关注这项前沿技术如何切实改善医疗护理。

斯坦福大学医学系的Jonathan H. Chen,MD和Steven M. Asch博士在《新英格兰医学杂志》上说道,“AI已经达到预期的高峰值”,“而通过加强对AI技术能力和局限性的了解,医疗行业能减缓之后踏向失望的脚步。”

本月初便有这样一个极端的例子:风险投资人Vinod Khosla称AI不久将会取代肿瘤学家。 “如果有丰富肿瘤的数据,很难想想肿瘤学家还能有价值。”据VentureBeat报道,他在MIT主办的一次活动中曾这样说道,“他们理解不了那些未来可能发生的事情。”这类争辩振奋人心,但却毫无用处。最终,只有医疗专家和算法合作,医疗行业才能真正收益。

友情链接/网站合作咨询: